Professional Documents
Culture Documents
net/publication/280836245
CITATIONS READS
0 38
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
The Precipitation Response to El Niño/Southern Oscillation (ENSO) over Tropical South America: Spatial and Temporal Heterogeneity and the Role of the Land Surface
View project
All content following this page was uploaded by Juan David Perez Arango on 19 August 2015.
RESUMEN
La alta variabilidad espacio temporal propia de los campos de lluvia, manifestada en las
propiedades multifractales se ha evaluado de mediante un ajuste de éstas a diversos
modelos matemáticos con el fin de representarlas adecuadamente. Existe evidencia de
que estos campos presentan rasgos de multiescalamiento que pueden observarse en la
estructura del espectro de potencias de Fourier y en la función de escalamiento de
momentos. El objetivo de este trabajo es identificar una función K(q) dependiente del
momento de orden q, que describa la relación existente entre el campo de la lluvia que
se denomina y la escala espacial que se denomina . Adicionalmente se pretende
examinar la variación de algunas propiedades multifractales de dichos campos,
expresadas en los parámetros de la ecuación para K(q) a partir del análisis de
escalamiento de momentos. La convección profunda se manifiesta en la atmósfera
dentro de un amplio rango de escalas espaciales y temporales dando lugar a los
complejos convectivos de mesoescala los cuales cumplen un papel fundamental en la
distribución de energía, momento y agua sobre los trópicos. Estos sistemas pueden ser
identificados a través del radar porque su tamaño en escala lineal es superior a 100 km,
lo que hace posible verificar en ellos el multiescalamiento de la lluvia.
ABSTRACT
Highly space-time variability of rain fields shown on multifractal properties have been
evaluated through mathematical models in order to explain them properly. Evidences
about the multiscaling properties of this field can be seen on Fourier´s power spectrum
and moment’s scaling functions. In this paper a K(q) function that depends on the q order
moment is identified, in order to describe the relationship between rain field and the
spatial scale . By the other side, an analysis of some variations on multifractal properties
of these fields are pretended to be done. Deep convection in atmosphere has a very wide
range in spatial and time scales, so Mesoscale Convective Systems appear to be very
important not only in energy and momentum distribution but in water distribution over the
tropics. These systems can be identified in radar images because its size is bigger than
100 km long, so rain multifractal properties can be identifiable on them.
148
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
149
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
otros autores. La Tabla 1 presenta los datos cumple en estos campos de lluvia, ya que en caso
tomados y las referencias para aquellos contrario, tratar de hacer ajustes a un modelo
reportados como SCM. La selección de los datos multifractal será totalmente arbitrario. Para tal fin
se realizó considerando como importantes se hizo uso de la teoría de escalamiento de
aquellos que tuvieran cubrimiento espacial con momentos de la cual se presenta una breve
radio aproximado a los 100 km e intensidades de revisión teórica, para proceder a la aproximación
precipitación del orden de 80 mm/h. metodológica que se hace respecto al modelo
propuesto por Carvalho y otros [10]
Tabla1. Relación de datos utilizados para el
análisis 3.1 Análisis de escalamiento de momentos
Los momentos multiescala de cualquier campo se
No. de
No.
Fecha
(AMD)
Hora Inicial
(LTC)
Hora Final
(LTC)
grupos de Clasificación calculan para un rango de escalas promedio ,
datos
donde a mayor , se tiene menor escala, así:
1 990111 16:51:09 18:35:54 11
2 990112 17:34:50 18:45:45 7
M q (λ ) = φλ ( x, y )
q
3 990113 17:06:41 21:08:00 22 = λK (q ) (1)
4 990114 13:13:36 14:34:04 9
5 990115 16:02:30 17:58:51 13
6 990116 00:02:47 01:44:06 9 Donde representa los valores del campo en la
7 990126 19:45:17 22:18:05 13 SCM [9] escala , q es el orden del momento y < > denota
8 990201 19:27:33 23:17:18 21 el promedio sobre todos los pixeles en la escala
9 990215 01:16:55 05:37:15 28 SCM [6] sobre una imagen formada por los datos del
10 990220 18:35:42 20:37:06 11 campo. El análisis de escalamiento de los
11 990225 21:56:20 01:07:59 18 SCM [9] momentos da información respecto a la
12 990228 14:53:07 21:36:09 5 intermitencia de un campo. Para interpretar los
resultados de un análisis de escalamiento de
Los resultados para los eventos con menos datos momentos, considere un campo muy intermitente
(eventos 2, 4, 6, 12), son poco representativos pero con picos muy localizados y gradientes muy
aún así se incluyen en el análisis. Cabe resaltar fuertes. A medida que se disminuye la resolución
que estos datos presentan una limitación en del campo, se disminuirá también el valor de los
cuanto que a partir de ellos no puede decirse picos debido a que estos se promedian con valores
ciertamente si son o no son SCM, ya que las alrededor que no necesariamente son altos. Para
características de estos sistemas se infieren de las momentos de orden q superior a 1 el ejercicio de
imágenes de satélite. De esta manera, los eventos promediar los campos tendrá como resultado
7, 9 y 11 se han clasificado como SCM por otros momentos reducidos conduciendo a la obtención
métodos que no son del alcance de este trabajo. de pendientes negativas en un diagrama de
Para controlar y verificar que los datos se lean momentos vs. Escala r. Por otro lado, si el campo
correctamente se generaron imágenes semejantes es muy suave, los picos no serán tan
a la de la Figura 1 para todos los eventos y se característicos ni estarán tan localizados, de modo
compararon visualmente tanto en la forma como en que las pendientes serán menores. El escalamiento
el máximo valor de intensidad de precipitación con de los momentos ocurrirá cuando [10]:
imágenes disponibles en la página web del K(q)
proyecto TRMM-LBA. M q( ) ~ (2)
150
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
3.2 Aproximación metodológica al modelo de brillo | Tb|, pero esto no significa que no pueda
de variación del exponente de escalamiento ser aplicado en otros campos. Otra característica
K(q) importante de los SCM es que estos pueden durar
A partir de los datos generados por el proyecto desde horas hasta días enteros, sin embargo no es
TRMM-LBA, el estudio de las diversas variables fácil inferir características más específicas de un
climáticas en la región amazónica se ha SCM a partir de datos de satélite. En años
incrementado considerablemente en los últimos recientes Carvalho y Jones [12], desarrollaron una
años. Dentro de los resultados obtenidos en este metodología para identificar las propiedades de los
tiempo, se encuentra el trabajo desarrollado por un SCM basado en una técnica de correlaciones
grupo de investigadores en la línea de la espaciales. Una descripción muy amplia de los
investigación meteorológica. El estudio de SCM es SCM se presenta en el texto Cloud Dynamics [7]
de especial interés en esta área del conocimiento
ya que ellos constituyen un mecanismo muy Es necesaria esta breve introducción ya que los
importante en el transporte y distribución de resultados obtenidos por Carvalho y otros [6] están
energía, momento y vapor de agua particularmente ligados a este tipo de sistemas en particular.
sobre los trópicos. Se presenta a continuación una
breve introducción a los conceptos básicos sobre 3.2.2 Modelo de variación del exponente K(q)
los SCM, ya que estos constituyen la base para la Para explorar algunas propiedades multifractales
investigación de Carvalho y otros [6], la cual es a su de los SCM Carvalho y otros [6], parten del hecho
vez la base fundamental para este análisis. de que estos sistemas pueden identificarse en el
trópico con un criterio de temperatura de brillo
3.2.1 Sistemas convectivos de mesoescala menor o igual que 235 K y con radios mayores a
Los SCM se presentan de diversas formas aunque 100 km. La hipótesis que ellos plantean es que los
en sí mismos ellos poseen características en movimientos verticales modifican la variabilidad
común, como por ejemplo el hecho de que la espacial del campo de temperaturas Tb. Esta
cobertura espacial de los mismos es bastante variación puede ser estimada como el valor
grande, y puede estar formada en parte por lluvia absoluto del gradiente de temperaturas en el tope
de tipo convectivo y por lluvia de tipo estratiforme. de la nube | Tb|, el cual puede ser transformado en
Houze [7] define un SCM como un sistema nuboso un campo multifractal , donde 1 es la relación
que ocurre acompañado de tormentas eléctricas y de escalas. Para un proceso multifractal como ya
produce un área continua de precipitación cercana se explicó en la sesión anterior, se cumple que el
a 100 km o más en la escala horizontal, por lo momento estadístico de orden q sigue la ley
menos en una dirección. Esta definición permite potencial presentada en la ecuación 1. Suponiendo
identificar algunos SCM como grandes pero que la metodología de cascada es la responsable
angostos.
de que y K(q) pertenezcan a una distribución
estable [6], entonces el exponente K(q), está dado
Los SCM pueden ser reconocidos mediante
por:
fotografías infrarrojas de satélite por el tope frío de
las nubes. Este mecanismo puede ser muy útil si
se da un umbral de temperatura para definir la ⎧ C1 α
frontera entre un SCM y otro sistema diferente. Uno ⎪⎪α − 1 (q − 1) α ≠ 1
K (q ) = ⎨ (3)
de los SCM mas grandes es el llamado Complejo ⎪
Convectivo de Mesoescala, el cual tiene unas ⎪⎩ C1qLn(q ) α =1
características muy definidas de acuerdo a la
definición de Houze [7]. Estas características están
En este modelo, mayores valores de implican
asociadas a las temperaturas de brillo del tope de
la nube, y es precisamente en esto en lo que se menor probabilidad de encontrar fluctuaciones lejos
basa el modelo de Carvalho y otros [6], para definir de un valor central (que bien podría ser la media).
un campo espacial con características de Por otro lado el valor de C1 está relacionado con el
multiescalamiento. ancho de la FDP y se relaciona con la forma en que
está distribuido el campo en el espacio. Por lo
Es importante notar que todo el desarrollo teórico tanto el comportamiento de escalamiento de un
que han hecho estos investigadores [6], está campo se puede describir a partir de y C1.
aplicado a un campo de gradientes de temperatura Variaciones en estos coeficientes pueden llegar a
151
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
4. RESULTADOS
152
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
153
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
154
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
155
Revista Politécnica ISSN 1900-2351, Año 5, Número 8, 2009
metodología podría ayudar a definir aspectos desde [10] Harris, D., E. Foufoula-Georgiou, K.
los datos de radar que algunas veces se Droegemeier, y J. Levitt. Multiscale statistical
desconocen. properties of a high resolution precipitation
forecasts, J. Hydromet, 2(4), 406-418, 2001.
6. REFERENCIAS BIBLIOGRÁFICAS
[11] Gupta V.K. y G . Poveda, Notas del curso de
[1] Harris, D., E. Foufoula-Georgiou, K. Hidrología de Múltiples Escalas. 2001
Droegemeier, and J. Levitt. Multiscale statistical
properties of a high resolution precipitation [12] Carvalho, L.M.V. and C. Jones. A Satellite
forecasts, J. Hydromet, 2(4), 406-418, 2001. method to identify structural properties of
mesoscale convective systems based on maximum
[2] Deidda, R., R. Benzi, y F. Sicardi. Multifractal spatial correlation tracking technique (MASCOTTE),
modeling of anoumalous scaling laws in rainfall. J. Appl. Meteor, 1683-1701, 2001
Water Res. Res., 35, 1853-1867, 1999.
[13] Pérez J.D. Caracterización de la variabilidad
[3] Gupta, V.K. y E. Waymyre. A statistical analysis espacial y temporal de los campos de lluvia en la
of mesoscale rainfall as a random cascade. J. Appl. zona noroeste de la cuenca amazónica brasilera
Meteor., 32, 251-267, 1993. Trabajo no publicado, 2004.
[4] Laurent, H., L. Machado, C.A. Morales, L. [14] Petersen, W.A., S. Nesbitt, R. Blakeslee, R.
Durieux. Characteristics of the Amazonian Cifelli, P. Hein, Steven Rutledge. TRMM
mesosclae convective systems observed from Observations of intraseasonal variablility in
satellite and radar during the WETAMC/LBA convective regimes over the amazon. Jour. Of
experiment. Jour. Geop. Res. Vol 107, # D20, 2002 Climate Vol 15, No. 11, 2002
156